AI+咨询:数据科学家会成为顾问吗?

人工智能 大数据
咨询公司未来将会是怎样?受科技巨头威胁的咨询行业该何去何从?数据科学家会成为顾问吗?不如来听听笔者的看法。

AI会让咨询行业迎来新的春天吗?

在一个先进咨询公司的人工智能开发部门工作过之后,笔者发现大多数顾问坚持让顾客继续投资AI,即便自己公司在AI发展方面已经滞后了。

事实正是如此,科技公司成为了管理咨询公司新的竞争对手,谷歌和微软正在抢麦肯锡,波士顿咨询公司和贝恩的工作。

[[321769]]

咨询行业该如何改变自己的商业模式,在这场竞争中找到出路?笔者将会告诉你,咨询公司该如何构建内部人工智能技能,雇佣数据科学家以及如何打造AI相关的新商业模型。

咨询公司未来将会是怎样?受科技巨头威胁的咨询行业该何去何从?数据科学家会成为顾问吗?不如来听听笔者的看法。

获取信息&更好的数据分析

顾问是基于研究提供昂贵且有洞察力的建议和指导,但事实上,人们大部分的咨询费用都花在数据分析和列报上。顾问的工作是收集、清理、处理并解释来自各组织不同部分的数据。

的确,数据挑战让人机交互的变得必要,但关键数据经常丢失或难以访问,这使得企业需要专家(顾问)来创建、组合、清理、分析和解释数据,从而在关键的战略性问题上寻求数据驱动型的答案。

在越来越多的项目中,我们往往需要更多的数据科学家而非顾问。

在一定程度上,顾问的工作可以通过机器学习算法来实现自动化。一个机器学习模型可以通过检测模式和推断规则来了解复杂情况——即便是对规模最大、最睿智的咨询团队来说,这个过程也是极其困难的。

预测一:

  • 决策者向智能设备(例如Alexa…)询问这样的问题:“在我们主要的市场中,对我来说最大的竞争对手是谁?”“我们应该如何分配资本去和亚马逊竞争?”“我们应该怎样重组董事会?”
  • 答案在互联网时代是廉价的,人工智能可以降低整个咨询价值链的利润率。
  • 信息获取渠道的扩大改变着这一局面。如今,曾经那种被严密保护的信息事实上已经被互联网商品化了。如今,真正的增值是通过已经掌握的数据创造新的竞争优势。

可以这样认为,AI时代的管理顾问并不公开信息或运行分析。相反,他们正在利用大多数公司已经获得的信息和分析。基于笔者的观察,他们经常把不同的信息片段连接起来,形成一个完整的叙述或者指导。

除了现有的初始分析活动的自动化之外,算法还可以获得对更高附加值部分的访问权——譬如洞察整合和战略制定。

AI回答变得越来越易获得,这对于咨询公司不是好消息:他们的客户愿意为其支付的费用显著减少。人们可能会认为真正的价值来自数据科学家,而不是无法识别数据中的隐藏模式的纯粹的顾问。

有风险的商业模式……

大多数咨询公司的经营基于以下要素,这也是AI会极大威胁咨询行业的原因所在:

 

AI+咨询:数据科学家会成为顾问吗?

如今的形式

根据笔者的经验,大多数咨询任务都和业务问题有关,这些问题可以通过聚类、排序和分类或预测算法来解决。

比如,客户流失预测非常普遍,回归模型已经被证明是相当有效的。此外,协作过滤或排序问题也非常常见。如果业务问题明确,数据可用并相关,且预测真实,数据科学家就可以通过机器学习算法为许多业务问题带来解决方案。

人工智能提供者与管理咨询的较量

随着人工智能越来越民主化(无代码/低代码人工智能解决方案,初创企业等等),管理咨询公司将面临越来越大的竞争压力。

 

AI+咨询:数据科学家会成为顾问吗?

大型科技公司的竞争

竞争始于三家主要的公司,他们提供预先训练过的模型,企业客户可以利用这些模型来构建人工智能系统。

事实上,有各种各样的工具可以帮助主流公司构建一切,从引擎推荐到语音识别再到翻译系统,客户服务机器人等。在这些情况下,一个内部顾问和数据科学家团队会更合适。

大型科技公司显然更适合。或许有人会认为,这些服务需要大量的个性化服务和技术工作才能有用,科技公司已经在努力通过提供咨询服务来填补这一空白。

谷歌已经开设了“高级解决方案实验室(Advanced Solutions Lab)”,即部分提供咨询服务,部分作为技术训练营。来自客户公司的整个团队可以和谷歌工程师一起获得机器学习技能并建立定制系统。科技公司的发展不再仅仅局限于基础科技设施,也同样不拘泥于政策和人员。

科技公司和管理咨询公司的竞争越来越激烈,管理咨询公司帮助客户应对技术造成的破坏,并收取高额费用。

全能型人员知道他们本质上是脆弱的。很多客户向科技公司咨询意见,这些公司本身就是人工智能的先驱用户。如果咨询公司不能作出有效反应,更多的专业提供者可能会向价值链上游发展,不仅会成为数据分析提供者,而且还能为整体商业策略提供建议。

来自初创公司的竞争

初创公司也对咨询公司造成了威胁。事实上,很多公司提供的服务有,帮助清理和标注数据等,并承担许多大型公司尚未提供的具体服务。有时数据科学家在不需要管理顾问的情况下,就可以完美地解决一个精确的业务问题。

对大型公司来讲,将其大部分人工智能工作外包出去是有意义的。这些初创公司往往拥有咨询公司不具备的一些强大机器学习专业知识。这些初创公司经常开发与客户业务结合的个性化解决方案,并可持续使用——即使顾问离开之后也可以使用。

来自独立人工智能公司的竞争

独立的人工智能咨询公司也不得不提。的确,越来越多的公司开发了一系列服务,以帮助公司合并、发展或开创人工智能项目。这些公司拥有规模上的优势(灵活性,价值等等)。

人工智能,软件服务化和一些新的商业模式

很多咨询公司已经通过培训顾问,雇佣数据科学家,开发人工智能和软件服务,以及创造新的商业模式来适应新的竞争环境。

新数据能力

显然,像波士顿咨询公司(BCG)和麦肯锡(McKinsey)这样的市场领导者早就投资于具有机器学习经验的分析型初创企业,或雇佣了大量的数据科学家,并创造了新的数据驱动部门(例如BCGGamma),为客户带来新的数据能力。

公司文化与培训

首先从培训和公司文化入手。事实上,笔者认为当代管理顾问不能再指望于顶尖学校毕业生或特定领域的专家了,所有的顾问都必须精通技术或数据。

生态系统创造

越来越多的咨询公司正在试图通过与一些特定的机构、初创公司或其他和AI相关的组织合作,来创建人工智能生态系统。其目标在于提升品牌形象,建立自己的领导地位,雇佣技术专家以及提升解决方案。

对于大多数最先进的咨询公司来说,这将包括创建一个具有人工智能专业知识的“实验室”,或许还有个孵化器。

变成一个技术提供者

咨询公司已经开始开发更多的专有软件(通常使用SaaS或AlaaS模型),因为很多客户都有类似的需求(比如定价策略),这些方法经常根据客户的需求来定制。

事实上,如果你已经与公司合作并且充分了解业务问题,那么就很容易推广你的SaaS解决方案。开发独特的解决方案为咨询公司创造了新的收入来源。这一新的商业模式完美契合于那些没有资金投资于自己的人工智能发展的客户。

如果经常给客户进行一些日常诊断和推荐,客户就会有更大的动力去投资于软件提供商,“按需思维”消失了。此外,在顾问需求方面,依靠利用实时数据工具的需求改变了现状。

和人工智能经济相关的新的服务

也有咨询公司在新兴的职业经济和在线培训上进行大量投资。

预测

笔者相信,基于技术的咨询解决方案将获得更多的空间,在咨询方面的抢人大战将比今天更加激烈。此外,笔者也期望更多的数字科学家变成顾问。

由于人工智能民主化和顾客忠诚度的降低,竞争或许会更激烈。客户期望,对咨询服务的购买能依据其特定要求变得更容易。

人工智能供应商将越来越多地与管理咨询公司竞争。

但是,笔者期望客户继续受益于对管理咨询公司的使用,而不是供应商本身(比如,Google,AWS, SAP),管理咨询公司的优势在于:

  • 客观性
  • 了解这个行业中的其他公司是怎么通过人工智能转型的
  •  将人工智能转换和总体业务战略以及关于如何扩大人工智能项目联系起来

显然,咨询的劳动密集性可能会有所降低。笔者认为,在未来的20年,人们将会看到以下事情的发展:

 

AI+咨询:数据科学家会成为顾问吗?

顾问会完全被数据科学家取代吗?在某些情况下,是的。但是当人工智能和机器学习在被赋予变革和变化的任务时,仍然很难独自应对。因此,笔者相信,顾问在短期内是不可替代的,但是发展趋势依然是现实。

基于自己作为人工智能顾问的经验,笔者发现,机器学习算法可能会产生非常强大且有洞察力的分析,但在将这些分析转化为特定的业务决策时,往往缺失了一个环节。在这些情况下,专家顾问的存在就很必要了。况且由于环境和现实的原因,人工智能系统无法涵盖太多的变数。

数据科学家面临的最大问题是,他们衡量一个项目的实际有形价值仍然不容易,而这对一个非科学家或单纯关注结果而不关注于过程的人来说更是困难。所以,合作会是必然的。

最后的问题是,即使建立了完美的人工智能驱动的解决方案,让客户理解这个解决方案仍是难题。咨询的工作任务之一是如何让解决方案实现。

科技的发展给咨询行业带来了很大的难题,所幸危中有机,抓住机遇,拥抱变化,咨询业或许会迎来新的春天。

责任编辑:未丽燕 来源: 今日头条
相关推荐

2017-08-04 15:53:10

大数据真伪数据科学家

2023-05-23 09:34:16

科学家AI

2018-02-28 15:03:03

数据科学家数据分析职业

2015-08-28 09:22:07

数据科学

2012-12-27 09:52:23

数据科学家大数据

2016-10-21 19:59:43

数据科学家数据科学

2018-10-16 14:37:34

数据科学家数据分析数据科学

2019-05-13 16:31:37

数据科学家专业人才职业

2012-12-26 10:51:20

数据科学家

2013-04-11 10:03:55

2018-12-24 08:37:44

数据科学家数据模型

2012-12-06 15:36:55

CIO

2019-08-22 09:23:58

数据科学工程师数据处理

2018-11-29 13:30:15

数据科学家项目数据

2018-11-05 17:33:34

数据科学家数据分析数据

2012-06-12 09:33:59

2023-05-04 12:35:39

AI科学

2014-07-03 09:38:19

2019-08-26 09:47:56

数据科学家数据分析

2018-03-12 12:44:59

数据科学家人工智能数据科学
点赞
收藏

51CTO技术栈公众号